近两年来，AI作为一项降本增效的工具，赋能于传统行业，使得部分传统行业发生了较大变革。纵观AI对传统行业的影响，目前看来，应属安防领域最为深远。如果将2016年称为“AI元年”，那么，2017年则可称之为“安防AI元年”。

　　从2016年到2017年，AI技术在安防领域发展得异常迅猛，从2017年深圳安博会上，我们可以看到，不论是传统安防巨头，还是新兴AI厂商，都毫无保留的展示了他们的AI产品与技术，尤其以人脸识别、视频结构化最为火热。相比前几年，在2017年发生的最大变化，就是AI技术在安防领域从此前的“讲概念”阶段，已经发展到“产品化”、“市场化”阶段。我们可以看到，人脸识别相关的产品已经成功落地应用，如深圳龙岗公安建设的人像大数据布控系统，实现了近3000路摄像头的动态人像布控，这算是一个比较成功的落地项目。

　　一、公共安全对AI需求迫切

　　“人工智能”，笔者把它解释为“将人的工作智能化”，即通过赋予机器某种智能化的能力，让它可以处理人的工作，当然它要比人处理得更高效。近年，AI在安防市场应用逐渐落地，主要有以下几方面的因素。

　　首先，安防行业对于AI技术迫切的市场需求。技术的发展源于需求的驱动。举个例子，2012年引发舆论广泛讨论的12306购票网站瘫痪事件，源于高峰期平均每秒数十万次的请求。显然，12306购票网站的设计团队当初并未想象到会有如此高并发请求需求，因此在设计系统时他们也没有进行相关的技术研究与准备。而从目前12306的购票体验上，显然系统已能承受了这样高并发的访问需求。我认为这是一个需求驱动技术改进的典型案例。

　　而对于安防行业，主要的应用场景是视频监控，视频监控的主要目的就是事后的线索查询及录像取证。当前，随着我国平安城市及雪亮工程建设的大力推进，监控探头覆盖面越来越广，监控点位越来越多，如此大规模的监控摄像头，每天都要产生大量的视频录像，当发生案事件后在这些海量的视频录像中，依靠人工去获取案件线索工作量非常巨大。况且我国的警力资源严重匮乏，据统计，我国的警察与人口比例仅为0.13%，处于世界低端水平。因此，如果完全靠人工去逐个调阅录像文件来进行线索排查，可以想象案件的侦破效率将极其低下。因此，将AI技术引入安防行业的需求变得极为迫切，通过机器来高效处理人的工作，协助民警快速准确寻找案事件线索，成为公安干警们翘首以盼的事情。在市场需求的驱动之下，AI技术在安防行业的发展尤为迅速，在过去两年中，许多安防AI厂家脱颖而出，并成功的推出了相关的AI产品。

　　其次，安防行业拥有海量的数据来滋养AI技术的发展。如果把AI比作一头猛兽，那么这头猛兽是需要用数据来喂养的，数据越多越丰富，它就生长得越强壮，没有数据这头猛兽便无法生存。

　　我们知道，大型的互联网公司，如BATJ，他们拥有的数据量是非常惊人的，他们都拥有数亿的用户，这些用户每天为这些互联网公司带来庞大交易额的同时，也带来了海量的数据资源，互联网公司基于这些海量的数据资源，结合AI技术，能为他们提供更高效的智能化运营服务。

　　而在安防行业，最不缺乏的也就是数据，尤其是视频图像数据。一个中等规模的城市，按布点10万路1080P摄像机计算，这个城市每天就可以产生约30PB的视频图像数据，一年可产生约10EB的数据量。如此庞大的数据，为安防AI技术的发展提供了绝好的原料。如果把AI算法比作一把刀，那么数据就是磨刀石，数据越多越丰富，那么这把刀就会被磨得越锋利。

　　再次，我国政府对于人工智能产业强有力的政策支持，也推动着AI技术的发展与应用。2017年7月，国务院关于印发《新一代人工智能发展规划的通知》以及《“互联网+”人工智能三年行动实施方案》，从政策层面积极引导并规划发展人工智能产业;工信部也印发《促进新一代人工智能产业发展三年行动计划(2018-2020年)》，意在加快人工智能从战略到落地，推动人工智能和实体经济深度融合;另外，公安部制定的“十三五规划”，也将AI技术在安防行业的应用放在了比较突出的位置。

　　在需求、数据与政策的多轮驱动之下，2017年AI技术在安防领域的发展势头非常良好，基于视频的安防AI技术，如人脸识别技术与视频结构化技术已率先产品化，并已成功落地应用。但是，我们还是要清醒的认识到，目前的成功只是一小步，在后面AI技术在安防领域进行大规模市场化应用的道路上，依然面临着诸多的困难与挑战。

　　二、AI在公共安全领域的落地应用

　　作为计算机视觉技术中最成熟的分支应用，人脸识别目前在安防领域应该算是比较成功的落地应用。尽管该项技术已相当成熟，但是其应用场景依然受限。在“1:1”应用场景下，比如人证核验，人脸识别技术已完全达到了商用化的水准，但这种场景对人与摄像机位置(包括距离、角度)的约束性较强。而在安防领域，人脸识别最核心的应用场景就是构建“人像天网工程”，“人像天网工程”要求在各种复杂的场景下，比如交通路口、地铁站出入口、公交车站、火车站出入口、广场、商场、医院等人流量较大的室外场景，都能尽量完整、准确的识别人脸信息，并与重点人员库实时比对，产生告警，这样就可以实现对犯罪嫌疑人进行全城布控的效果，这就是人脸识别“n:N”应用场景。在这种场景下，人与摄像机的位置是无法控制的，此外还受不确定的天气、光照等条件影响，这对人脸识别技术的场景适应性提出了较高的要求，目前看来，现有的人脸识别技术对这种复杂场景的适应性还不够完美，不过相信随着AI技术的不断革新，最终我们的人脸识别技术所能适应的场景会越来越广泛。

　　视频结构化技术，作为计算机视觉技术中的另一项重要的AI技术，2017年也获得了快速的发展，许多安防厂商的视频结构化产品已初具雏形，该项技术相对于人脸识别技术，发展略显缓慢。目前市场上视频结构化的落地项目其实还是非常少。主要原因在于现有的视频结构化算法在复杂场景下，识别准确率并不高，难以商用;另一方面，视频结构化主要是对视频中车辆特征结构化以及人体特征结构化，对于车辆特征的结构化，市场早已有成熟的前端产品，如卡口电警，虽然识别的特征属性有限，但是基本还是可以满足一些应用需求，所以客户对于视频车辆结构化的需求并不是特别强烈。而对于人体特征的结构化，目前看来，实际应用意义相对偏弱，目前可以想到的就是人体特征搜索、以人搜人等基础应用，更丰富的应用还有待进一步挖掘。

　　此外，阻碍AI产品大规模市场化应用的另一项挑战来自于成本。目前，AI产品普遍成本高昂，在有限的财政投入下，对于政府客户来讲，AI产品也是一件奢侈品，政府没有财力大规模投入应用。但是随着技术的不断发展进步，AI产品的成本会逐步降低，会促进AI产品大规模市场化应用的进程，因为只有大规模市场化应用，才能真正的凸显AI产品的价值。

　　三、未来趋势展望

　　随着安防AI技术的发展，笔者认为未来的两三年，各大安防巨头及AI厂商将会着力解决AI产品大规模市场化所面临的挑战，包括解决AI算法对复杂场景的适应性问题以及高成本问题;另外，随着芯片技术以及AI技术的快速发展，AI产品前端化将逐步成为趋势，这样可以减轻后端分析的压力，让后端专注于数据的处理，专注于行业业务。此外，随着人脸识别技术及视频结构化技术的逐步完善，后续基于视频的AI技术可能会偏向各种复杂事件的分析，实现对视频内容的充分解析。